MiniMax-H3 全模态模型借 MLX 移植现可在 Apple Silicon 上运行

MiniMax发布了MiniMax-H3，将其描述为一个通用的、全模态生成系统，能够接收文本、图像、音频和视频，并能生成最长15秒的视频片段，包括音频。一个Python包将这个模型移植到了MLX上，使其能够在Apple Silicon上运行。Simon Willison通过克隆仓库并执行脚本，在M5 Max MacBook Pro上成功运行了它。这个过程涉及下载约115 GB的模型文件，视频生成耗时不到45分钟。生成的视频令人印象深刻，但音频被描述为怪异的、类似语音的垃圾，因为Willison没有为音频提供提示指导。他指出，提示指南包含了大量关于如何实现正确音频生成的信息，他在实验前没有阅读这些信息。